초록
지속적 학습(sequence of tasks)에 관한 기존 연구는 주로 서로 유사하지 않고 공유 지식이 거의 없는 작업들 사이에서 치명적인 잊힘(catastrophic forgetting)을 다루는 데 초점을 맞추고 있다. 일부 연구는 작업들 간에 유사성과 공유 지식이 존재할 경우, 이전에 학습한 지식을 새로운 작업에 전이하는 방법에 대해서도 탐구한 바 있다. 현재까지 알려진 바에 따르면, 유사하고 비유사한 작업이 혼합된 시퀀스를 학습할 수 있으며, 잊힘을 해결하고 동시에 지식을 전방 및 후방으로 전이할 수 있는 기법은 제안된 바가 없다. 본 논문은 이러한 유사 및 비유사 작업을 동일한 네트워크 내에서 학습할 수 있는 새로운 기법을 제안한다. 비유사 작업에 대해서는 알고리즘이 잊힘 문제 해결에 집중하고, 유사 작업에 대해서는 이전에 학습한 일부 유사 작업의 지식을 선택적으로 전이함으로써 새로운 작업 학습을 향상시키는 데 초점을 맞춘다. 더불어, 알고리즘은 새로운 작업이 이전 작업들과 유사한지 자동으로 탐지할 수 있다. 혼합된 작업 시퀀스를 활용한 실험적 평가를 통해 제안된 모델의 효과성을 입증하였다.